Python调用百度api实现语音识别详解

更新时间：2021年12月06日 16:41:01 作者：Amchii

这篇文章主要介绍了Python通过调用百度api实现语音识别，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习吧

最近在学习python，做一些python练习题

github上几年前的练习题

有一题是这样的：

使用 Python 实现：对着电脑吼一声,自动打开浏览器中的默认网站。

例如，对着笔记本电脑吼一声“百度”，浏览器自动打开百度首页。

然后开始search相应的功能需要的模块（windows10），理一下思路：

本地录音
上传录音，获得返回结果
组一个map，根据结果打开相应的网页

所需模块：

PyAudio：录音接口
wave：打开录音文件并设置音频参数
requests：GET/POST

为什么要用百度语音识别api呢？因为免费试用。。

不多说，登录百度云，创建应用

查看文档REST API文档

文档写的蛮详细的，简单概括就是

1.可以下载使用SDK

2.不需要下载使用SDK

选择2.

根据文档组装url获取token
处理本地音频以JSON格式POST到百度语音识别服务器，获得返回结果

语音格式

格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）。推荐pcm 采样率：16000 固定值。编码：16bit 位深的单声道。

百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr会有额外的转换耗时。

保存为pcm格式可以识别，只是windows自带播放器识别不了pcm格式的，所以改用wav格式，毕竟用的模块是wave?

首先是本地录音

import wave
from pyaudio import PyAudio, paInt16

framerate = 16000  # 采样率
num_samples = 2000  # 采样点
channels = 1  # 声道
sampwidth = 2  # 采样宽度2bytes
FILEPATH = 'speech.wav'

def save_wave_file(filepath, data):
    wf = wave.open(filepath, 'wb')
    wf.setnchannels(channels)
    wf.setsampwidth(sampwidth)
    wf.setframerate(framerate)
    wf.writeframes(b''.join(data))
    wf.close()

#录音
def my_record():
    pa = PyAudio()
    #打开一个新的音频stream
    stream = pa.open(format=paInt16, channels=channels,
                     rate=framerate, input=True, frames_per_buffer=num_samples)
    my_buf = [] #存放录音数据

    t = time.time()
    print('正在录音...')
 
    while time.time() < t + 4:  # 设置录音时间（秒）
    	#循环read，每次read 2000frames
        string_audio_data = stream.read(num_samples)
        my_buf.append(string_audio_data)
    print('录音结束.')
    save_wave_file(FILEPATH, my_buf)
    stream.close()

然后是获取token

import requests
import base64 #百度语音要求对本地语音二进制数据进行base64编码

#组装url获取token，详见文档
base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
APIKey = "LZAdqHUGC********mbfKm"
SecretKey = "WYPPwgHu********BU6GM*****"

HOST = base_url % (APIKey, SecretKey)

def getToken(host):
    res = requests.post(host)
    return res.json()['access_token']



#传入语音二进制数据，token
#dev_pid为百度语音识别提供的几种语言选择
def speech2text(speech_data, token, dev_pid=1537):
    FORMAT = 'wav'
    RATE = '16000'
    CHANNEL = 1
    CUID = '********'
    SPEECH = base64.b64encode(speech_data).decode('utf-8')

    data = {
        'format': FORMAT,
        'rate': RATE,
        'channel': CHANNEL,
        'cuid': CUID,
        'len': len(speech_data),
        'speech': SPEECH,
        'token': token,
        'dev_pid':dev_pid
    }
    url = 'https://vop.baidu.com/server_api'
    headers = {'Content-Type': 'application/json'}
    # r=requests.post(url,data=json.dumps(data),headers=headers)
    print('正在识别...')
    r = requests.post(url, json=data, headers=headers)
    Result = r.json()
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result

最后就是对返回的结果进行匹配，这里使用webbrowser这个模块

webbrower.open(url)

完整demo

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Date    : 2018-12-02 19:04:55
import wave
import requests
import time
import base64
from pyaudio import PyAudio, paInt16
import webbrowser


framerate = 16000  # 采样率
num_samples = 2000  # 采样点
channels = 1  # 声道
sampwidth = 2  # 采样宽度2bytes
FILEPATH = 'speech.wav'

base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
APIKey = "********"
SecretKey = "************"

HOST = base_url % (APIKey, SecretKey)


def getToken(host):
    res = requests.post(host)
    return res.json()['access_token']


def save_wave_file(filepath, data):
    wf = wave.open(filepath, 'wb')
    wf.setnchannels(channels)
    wf.setsampwidth(sampwidth)
    wf.setframerate(framerate)
    wf.writeframes(b''.join(data))
    wf.close()


def my_record():
    pa = PyAudio()
    stream = pa.open(format=paInt16, channels=channels,
                     rate=framerate, input=True, frames_per_buffer=num_samples)
    my_buf = []
    # count = 0
    t = time.time()
    print('正在录音...')
  
    while time.time() < t + 4:  # 秒
        string_audio_data = stream.read(num_samples)
        my_buf.append(string_audio_data)
    print('录音结束.')
    save_wave_file(FILEPATH, my_buf)
    stream.close()


def get_audio(file):
    with open(file, 'rb') as f:
        data = f.read()
    return data


def speech2text(speech_data, token, dev_pid=1537):
    FORMAT = 'wav'
    RATE = '16000'
    CHANNEL = 1
    CUID = '*******'
    SPEECH = base64.b64encode(speech_data).decode('utf-8')

    data = {
        'format': FORMAT,
        'rate': RATE,
        'channel': CHANNEL,
        'cuid': CUID,
        'len': len(speech_data),
        'speech': SPEECH,
        'token': token,
        'dev_pid':dev_pid
    }
    url = 'https://vop.baidu.com/server_api'
    headers = {'Content-Type': 'application/json'}
    # r=requests.post(url,data=json.dumps(data),headers=headers)
    print('正在识别...')
    r = requests.post(url, json=data, headers=headers)
    Result = r.json()
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result


def openbrowser(text):
    maps = {
        '百度': ['百度', 'baidu'],
        '腾讯': ['腾讯', 'tengxun'],
        '网易': ['网易', 'wangyi']

    }
    if text in maps['百度']:
        webbrowser.open_new_tab('https://www.baidu.com')
    elif text in maps['腾讯']:
        webbrowser.open_new_tab('https://www.qq.com')
    elif text in maps['网易']:
        webbrowser.open_new_tab('https://www.163.com/')
    else:
        webbrowser.open_new_tab('https://www.baidu.com/s?wd=%s' % text)


if __name__ == '__main__':
    flag = 'y'
    while flag.lower() == 'y':
        print('请输入数字选择语言：')
        devpid = input('1536：普通话(简单英文),1537:普通话(有标点),1737:英语,1637:粤语,1837:四川话\n')
        my_record()
        TOKEN = getToken(HOST)
        speech = get_audio(FILEPATH)
        result = speech2text(speech, TOKEN, int(devpid))
        print(result)
        if type(result) == str:
            openbrowser(result.strip('，'))
        flag = input('Continue?(y/n):')

经测试，大吼效果更佳

到此这篇关于Python调用百度api实现语音识别详解的文章就介绍到这了,更多相关Python 语音识别内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python 2种方法求某个范围内的所有素数(质数)
这篇文章主要介绍了Python 2种方法求某个范围内的所有素数(质数)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-01-01
基于PyQt5制作Excel文件数据去重小工具
这篇文章主要介绍了如何利用PyQt5模块制作一个Excel文件数据去重小工具，可以将单个或者多个Excel文件数据进行去重操作，去重的列可以通过自定义制定，需要的可以参考一下
2022-04-04
Django中Model的使用方法教程
最近学习了一下Django文档的model部分，通过学习的内容整理了这篇文章，下面这篇文章主要给大家介绍了关于Django中Model的使用方法的相关资料，文中通过示例代码介绍的非常详细，需要的朋友可以参考借鉴，下面随着小编来一起学习学习吧。
2018-03-03
Django页面数据的缓存与使用的具体方法
这篇文章主要介绍了Django页面数据的缓存与使用的具体方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-04-04
Python matplotlib实用绘图技巧汇总
这篇文章主要给大家介绍了关于Python matplotlib实用绘图技巧的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-05-05
10分钟学会使用python实现人脸识别(附源码)
这篇文章主要介绍了10分钟学会使用python实现人脸识别(附源码)，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
2021-03-03
python Boltons库实用功能探索(深度复制类型检查重试机制)
这篇文章主要为大家介绍了python Boltons库实用功能探索包含深度复制类型检查重试机制及数据结构转换实现示例,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
2024-01-01
Python WordCloud 修改色调的实现方式
这篇文章主要介绍了Python WordCloud 修改色调的实现方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-03-03
Python中re模块常用方法总结分析
这篇文章主要为大家介绍了Python中re模块常用方法，并对这些常用方法进行总结分析，有需要的朋友可以借鉴参考下，希望能够有所帮助
2021-09-09
python爬虫之场内ETF基金获取
这篇文章主要介绍了python爬虫之场内ETF基金获取，ETF 是一种场内交易型基金，可以在盘中进行交易，交易性比场外基金强一点，下文基于python的相关资料展开，需要的小伙伴可以参考一下
2022-05-05

Python调用百度api实现语音识别详解

相关文章

最新评论

大家感兴趣的内容

最近更新的内容

常用在线小工具